Slik utviklet Ramp et KI-operativsystem for skalerbart arbeid

Ben Levik har lært hva som er den dårligste strategien for bruk av KI på jobben: Vente på at det skal bli lettere.

Han leder for tiden drifts- og KI-produktteamene hos Ramp, hvor de det siste året har jobbet med å utvikle det han kaller et «KI-operativsystem» for hele selskapet. Oppdraget er dristig, men enkelt: å bygge verdens mest produktive selskap.

Han lærte ved å observere hvordan ulike team reagerer på innføringen av KI. Som han delte i «Lag med Notion»-økten, faller de fleste inn i forutsigbare mønstre – de venter, håper at verktøyene skal løse alt eller bekymrer seg for å bli erstattet.

Ramp valgte en annen metode.

Det finnes fire typiske måter folk tenker om KI på nå.

Dommedagsprofetene tror at KI kommer til å overta jobbene deres, så hvorfor i det hele tatt prøve? Zoomerne, derimot, håper at én knapp om noen måneder vil ta seg av alt for dem. Boomerne er forsiktig optimistiske og har tenkt å vente et år eller to til noen finner ut av den «riktige» måten å bruke KI på.

Og så er det Byggere – mennesker som forstår at arbeidslivet er i ferd med å endre seg fundamentalt, og som ser en mulighet til å forme den nye versjonen av jobben sin.

Det er byggerne som virkelig skaper forandring. De tar styringen og venter ikke på det perfekte KI-verktøyet – de lærer, øver og forbedrer seg kontinuerlig for å utvikle det som fungerer best for dem.

Ramps tilnærming til å bli en bygger kan deles inn i tre trinn: Hjelpetekst, kunnskap og arbeidsflyt. Hvert trinn bygger på det forrige, og vi går fra «hva vil jeg at KI skal gjøre?» til «hvordan får jeg dette til å skje automatisk?»

I mange år har vi lært at man får resultater ved å skrive inn noen få ord i Google. Du blar, klikker og finner til slutt det du trenger. Ben kaller dette «vaghetens epidemi», der man bare skriver inn noen generelle ord i hurtigsøket og får svar. Men KI krever det motsatte – man trenger presisjon, sammenheng og detaljer for å virkelig få mest mulig ut av den.

Ramp ga sine ansatte tilgang til KI-verktøy overalt og gjorde bruk av KI-prompt til en daglig praksis. Nå bruker rundt 90 % av de 1200 ansatte Notion KI hver måned. Tilgang alene er ikke nok – det virkelige gjennombruddet kommer når man bruker KI til å bli bedre på KI.

Slik fungerer det: Begynn med en vag hjelpetekst, men ikke trykk Enter ennå. Spør KI om å stille deg spørsmål som kan hjelpe den å gjøre en bedre jobb. Svar på disse spørsmålene, og la deretter KI omskrive hjelpeteksten din ut fra det du har delt. Gjenta til du får det du trenger.

Det er et enkelt mønster som ifølge Ben har forandret måten folk samhandler med KI på fullstendig. I stedet for å bli frustrert over middelmådige resultater, lærer du KI – og deg selv – å bli mer presis for hver gang dere samhandler.

Det virker som om de fleste team i dag står overfor en lignende utfordring: Kunnskapen deres er spredt på for mange verktøy. Slack-samtaler her, Google Drive-dokumenter der, GitHub-diskusjoner et helt annet sted. Alt vedlikeholdes av et halvt dusin forskjellige team, og det er stadig usynkronisert. Ta i bruk KI over, og se hvordan den finner frem utdatert informasjon.

Ben løste dette ved å samle kunnskapen i én enkel kilde til sannheti Notion, og deretter opprette forbindelser til resten av verktøysamlingen deres. Men det som gjorde at dette fungerte i stor skala, var å etablere feedback-sløyfer for å sikre at kunnskapen var korrekt og oppdatert.

Nå når teamene hos Ramp bruker kunnskapsbasen, melder de fra om hva som mangler eller er feil. KI foreslår løsninger, og mennesker godkjenner dem. La oss si at noen spør Notion KI om en retningslinje, men oppdager at svaret er utdatert. De registrerer det i en database for feedback, hvor en skreddersydd agent utarbeider et utkast til en rettelse. Deretter utfører en kunnskapsansvarlig en vurdering av endringen og publiserer den. Hele prosessen tar bare noen minutter, i stedet for å måtte vente i to uker på behandling av en henvendelse.

Det å skrive en god hjelpetekst er én ting. Det å skaffe seg de riktige opplysningene – samtaler fra Slack, data fra Salesforce, forbindelser mellom informasjonen i forskjellige systemer – har tradisjonelt krevd betydelig teknisk hjelp. Med AI-agenter og KI-tilkoblinger er det nå mulig å oppskalere arbeidsflyter med lite eller ingen teknisk støtte.

Ramps tilnærming er enkel. Informasjonen legges inn, KI-en gjør jobben sin og utdata havner et sted der de kommer til nytte. Produktteamene får ukentlige prosjektoppdateringer som automatisk oppsummeres fra fem ulike kilder, og som deretter publiseres i Slack. Salgsavdelingen bruker arbeidsflyter til å foreta grundige undersøkelser av potensielle kunder og utarbeider deretter e-poster som ligger klare i utboksen, klare til å bli vurdert og sendt.

Det har endret måten teamene hos Ramp jobber på i stor skala, fordi så mange deler av arbeidsflyten deres nå kan foregå parallelt med annet arbeid. De klarte å levere 270 funksjoner i første halvdel av 2025 – mer enn i hele 2024 til sammen. Problemet ligger ikke i gjennomføringen. Det gjelder å bestemme hva som skal automatiseres neste gang.

Poenget er ikke komplisert: Vær presis i hjelpetekster, finpuss kunnskapssystemene dine og lag deretter arbeidsflyter som gjør at alt kan skaleres.

Men det viktigste er timing. Du kan ikke vente på at KI skal bli enklere. Verktøyene blir ikke plutselig enklere, og å vente betyr å havne på etterskudd. Det er teamene som bygger opp kompetansen nå – gjennom trening, feil og kontinuerlig forbedring – som vil ha fordelen når KI blir stadig bedre.

Verktøyene er klare. Hvordan vil du velge å forme fremtiden din?

Er du klar til å begynne å bygge? Se vårt nettseminar for å se hvordan du kan sentralisere kunnskap og skalere med KI.